Formation KDB+/Q/Python Financial Data Ananlysis

Contexte :

KDB+ est largement utilisé dans l'industrie financière et autres. Il s'agit d'un système en mémoire, basé sur des colonnes, efficace et particulièrement procient pour traiter les ensembles de données financières. De nombreuses banques d'investissement, des fonds spéculatifs et des heures de négociation emploient KDB+ pour de nombreux services d'analyse de données et de données. KDB+ joue un rôle important dans l'analyse des back-tests et des transactions quotidiennes, permettant de trouver les causes profondes et d'améliorer la qualité et l'efficacité des transactions. ?Python est également largement utilisé dans l'industrie financière et peut manipuler KDB+ facilement, fournissant de nombreuses librairies pour effectuer des analyses.

Dans ce cours, nous présenterons comment Q/KDB+/Python sont utilisés dans les industries financières (comment stocker les données, comment l'API de données est utilisée, comment la passerelle est exploitée pour supporter les connexions concurrentes, le dépannage et le support sur KDB+, etc) et de nombreux scénarios et solutions pertinentes.

Quel est l'avantage de KDB+ dans l'analyse financière ?

- Scénarios

- Performance et efficacité

- Quel type de données financières ?

Les fondamentaux de KDB

- définition et distribution des types

- sélection fonctionnelle/mise à jour/suppression

- fonctions/lamda, invocation de fonctions sync/async

- prise en charge des sockets web

- compression de fichiers

- énumération et dénumération de sym

- table d'affichage et partition

Comment déployer KDB+ ?

- tickplant

- RDB/HDB

- passerelle/API

- Reporting

Comment accéder à KDB+ ?

- Q

- Python

- R

- Java

- C/C++

Comment importer des données d'une autre source de données dans KDB+ ?

- txt/csv

- html/page web

- SQL Serveur